Algo29 AlgorithmesPlusCourtChemin

Algorithmes de plus
court chemin
Heike Ripphausen-Lipa - Beuth University of Applied Science - Berlin

J.M. Adam - Université de Grenoble Alpes - Grenoble
Objectif
 Se familiariser avec les différentes
sortes de problèmes de plus court
chemin
 Savoir quel algorithme peut être
appliqué efficacement pour quel type
de problème de plus courts chemins
Heike Ripphausen-Lipa & Jean-Michel Adam 2

Sommaire
 Introduction
 Algorithme de Dijkstra
 Algorithme de Bellman-Ford
 Algorithme de Floyd-Warshall

Problème: trouver le chemin le plus court
A
0
Trouver le plus court chemin de A à B

Introduction
On considère un graphe orienté pondéré :
 Graph G = (V,E) avec
 Fonction poids w: E -> R

(les poids des arcs sont des nombres réels)

Définition: Poids d‘un chemin
Le poids w d‘un chemin p avec

p = (v0, v1, … , vk) et (vi, vi+1) є E
Est défini ainsi :
w(p) = ∑i=1..k w(vi-1, vi)

Definition: poids du chemin le
plus court
Le poids du chemin le plus court δ(u,v) entre deux
sommets u et v est défini ainsi :
min { w(p) : p est un chemin de u à v dans G },

si un chemin existe
δ(u,v) =
∞ , sinon

Idée de base pour trouver le chemin le
plus court
De nombreux algorithmes de calcul de plus court
chemin utilisent la propriéte suivante :
Les sous-chemins des chemins les plus courts sont

eux-mêmes les chemins les plus courts !
Plus précisément:
si p = (v0, v1, … , vk) est un chemin le plus
court entre les sommets v0 et vk
alors pour i et j (0 ≤ i ≤ j ≤ k) le chemin

pij = (vi, vi+1, …, vj) est le chemin le plus
court du sommet vi au sommet vj.

Idée de base pour trouver le chemin le
plus court
 Nous nous concentrons sur le problème des chemins

les plus courts d’une source unique, c’est-à-dire
que l’on calcule les chemins les plus courts du
sommet de départ s vers tous les sommets v du
graphe.
 Beaucoup d‘algorithme de calcul de plus court chemin

utilisent la technique de relaxation :
A chaque sommet v on associe un attribut dist qui donne une
borne supérieure de la distance du plus court chemin d‘un
sommet s (la source) au sommet v.

Relaxation
La méthode relaxation d‘un arc(u,v) consiste à voir
si le chemin le plus court calculé jusqu'à v peut être
amélioré en prenant le chemin le plus court actuel de
s vers u, en lui ajoutant l’arc (u,v):

initialisation-Source-Unique
// Initialisation d'un algorithme de relaxation

// pour la recherche des plus courts chemins
// depuis une source unique : le sommet s
initialisation-Source-Unique(G, s)
pourtout sommet v de G
dist[v] ← VMAX // valeur réelle max
pred[v] ← NIL
fpour
dist[s] ← 0

Relax(u,v,w)
Relax(u, v, w)
// arc (u,v), w(u,v) est le poids de l‘arc
si dist[v] > dist[u] + w(u,v)
alors
dist[v] ← dist[u] + w(u,v)
pred[v] ← u
fsi

Algorithme de Dijkstra
(publication 1959)
 L’ Algorithme de Dijkstra résout le problème
des chemins les plus courts depuis une
source unique, le sommet s.
 L’ Algorithme de Dijkstra ne fonctionne que

pour des poids positifs.
 Il fonctionne de manière similaire au

parcours en largeur, mais au lieu d‘utiliser
une file, il utilise une file prioritaire.

 L'algorithme de Dijkstra gère un ensemble (virtuel)
S qui contient tous les sommets pour lesquels les
distances les plus courtes depuis s sont déjà
calculées.
 Etape par étape, le sommet u de S dont la valeur
dist est minimale, est sélectioné et tous les arcs
(u,v)incidents à u sont relaxés
 Pour gérer l‘ensemble S, des sommets dont la
distance minimale depuis s n‘a pas encore été
déterminée, on utilise la file prioritaire Q.

Dijkstra(G, w, s)
initialisation-Source-Unique(G, s)
S ← Ø; // tous les sommets atteints depuis s
Q ← tous les sommets // tous les sommets dans Q
tantque Q ≠ Ø
u ← Extraire-Min(Q) // sommet dont dist minimale
S ← S.ajouter(u)
pour tout sommet v adjacent à u
Relax(u,v,w);
Remarque: l’ensemble de sommets S n’est
fpour pas vraiment utile; il est introduit pour
ftq mieux illustrer l’algorithme.

a c
3
2 1
3 2 i Valeur de dist : i
s 0 e
Vide : VMAX
1
5
1
b d File prioritaire Q
s a b c d e
Remarque : Q est ordonnée selon les valeurs croisantes de dist
17
Heike Ripphausen-Lipa & Jean-Michel Adam
a c
3
2
2 1
s 0 3 2 e
1
5
1
1
b a c d e
Les sommets de S sont colorés en noir

18
a c
3
2
2 1
s 0 3 2 e
1
5
1 2
1
a d c e
19
a c
2 3
2 5
2 1
s 0 3 2 e
1
5
1 2
1
d c e
20
a c Relax
2 3
2 4
2 1
s 0 3 2 7 e
1
5
1 2
1
c e
21
a c
2 3
2 4
2 1
s 0 3 2 5 e
1
5
1 2
1
22
a c
2 3
2 4
2 1
s 0 3 2 5 e
1
5
1 2
1
23
Algorithme de Dijkstra dans une table
Initialisation
sommet s a b c d e
pred NIL NIL NIL NIL NIL NIL
dist 0 ∞ ∞ ∞ ∞ ∞
Après avoir supprimé s de Q

sommet s a b c d e
pred NIL s s NIL NIL NIL
dist 0 2 1 ∞ ∞ ∞

Après avoir supprimé b de Q
sommet s a b c d e
pred NIL s s NIL b NIL
dist 0 2 1 ∞ 2 ∞
Après avoir supprimé a de Q

sommet s a b c d e
pred NIL s s a b NIL
dist 0 2 1 5 2 ∞

Après avoir supprimé d de Q
sommet s a b c d e
pred NIL s s d b d
dist 0 2 1 4 2 7
Après avoir supprimé c de Q

sommet s a b c d e
pred NIL s s d b c
dist 0 2 1 4 2 5

Après avoir supprimé e de Q

sommet s a b c d e
pred NIL s s d b c
dist 0 2 1 4 2 5
Détermination du plus court chemin de s à e :

e ← c←d←b← s

Exercice: Algorithme de Dijkstra
Avec l’algorithme de Dijkstra déterminez tous les Chemins les
plus courts partant du sommet s
a b
3
1 8
s 3 1 6 c
7
3
1
d e
28
Temps d’exécution de
l’algorithme de Dijkstra
Temps d‘exécution total
Initialize-Source-Unique(G, s) O(n)
Extraire-Min
dans la
S ← Ø; O(1)
queue
Q ← V(G); O(n)
pripritaire Q
tantque (Q ≠ Ø) O(n)
u ← Extraire-Min(Q) O(n * log n)
S ← S.ajouter(u) O(n)
pour tout sommet v adjacent à u
Relax(u,v,w) O(m)
fpour
ftq
O(n* log n + m) = O(n2)

Exercice: poids négatif
Donnez un exemple montrant que

l‘algorithme de Dijkstra ne fonctionne
pas avec un arc portant un poids
négatif.

Exercice: poids négatif
a c
3
6
s -3
La valeur dist de c reste 9
bien que la valeur dist de a
7 soit diminuée de 6 à 4

Problème avec l’algorithme
de Dijkstra
L’algorithme de Dijkstra n’est pas très
“orienté cible” : dans le cas où un
chemin particulier de la source vers la
destination doit être trouvé, l’algorithme
n’est pas très performant.

A Trouver le
0
chemin le plus
court de A à B

18
5
A
0

18 10
5
A 17
0

B
28
15
18 10
5
A 17
0

B
28 21
15
18 10 28
5
Choisir ce sommet
A 17 semble ne pas
0
avoir de sens, parce
que la distance de
B augmente
En comparaison à ce sommet
Algorithme A* (1968)
L’algorithme A* est un algorithme pour trouver un
chemin entre deux sommets, et qui tente de corriger
le problème présenté précédemment sur l’algorithme
de Dijkstra.
Pour cela, l’algorithme A* utilise une fonction

heuristique ht qui estime, pour chaque sommet u, sa
distance vers la destination t.
L’algorithme ne fonctionne que si
ht(u) ≤ la distance réelle entre u et t.
Pour l’exemple précédent, ht(u) peut être la distance à

vol d’oiseau entre u et t.

Algorithme A*
L’ algorithme A* est similaire à
l’algorithme de Dijkstra avec la
difference suivante :
La file prioritaire est triée selon f avec :
f(u) = dist[u] + ht(u)

Algorithme de Bellman-Ford
(publications en 1956 et 1958)
40
 L‘algorithme de Bellman-Ford résoud le problème
de recherche de plus court chemin depuis une
source unique, mais en autorisant des arcs portant
des poids négatifs.
 Il permet de détecter l‘existence d‘un circuit
absorbant, c‘est-à-dire de poids total strictement
négatif, accessible depuis le sommet source.
 Cependant, si le graphe contient un circuit
absorbant, il n‘existe pas de solution.
 L‘algorithme de Bellman-Ford utilise également la
méthode de relaxation

Rappel : problème des poids
négatifs dans l’algorithme de
Dijkstra
a c
3
6
s -3 La valeur dist de c reste 9 bien que la

valeur dist de a soit diminuée de 6 à 4.
7
Cependant, si on retraite a pour relaxer
ses voisins, on peut trouver la solution
b correcte.

Idée de l‘Algorithme de Bellman-Ford
Idée fondamentale de l’algorithme de

Bellman-Ford :
répéter
relaxer tous les arcs
Jusqu’à ce qu’il n’y ait plus de
changement de la valeur dist

 Dans la première phase, les chemins
les plus courts sont déterminés, si une
solution existe
 Dans la seconde phase, l'algorithme
détermine s'il existe des circuits
absorbants.
 Si c’est le cas, l'algorithme renvoie la
valeur faux, sinon la valeur vrai

Bellman-Ford(G, w, s)
Initialize-Single-Source(G, s);
// Determiner les plus courts chemins
pour (i=1; i < nbsommets; i++)
pourtout arc (u,v) de G
Relax(u,v,w)
fpour
fpour
// Déterminer s‘il y a des circuits absorbants

non_absorbant ← vrai
pour tout arc (u,v) de G
si (dist[v] > dist[u] + w(u,v))
alors non_absorbant ← faux
fsi
fpour
renvoyer non_absorbant

Trouver les plus courts Chemins partant de z
-2
u v
5
6 i dist = i
-3 dist = VMAX
z 0 8 7
-4
7
2
9
x y
On fait l'hypothèse que l'itération intérieure parcourt les arcs dans

l'ordre lexicographique : (u, v), (u,x), (u,y), (v,u), …

 Première exécution de l‘itération

intérieure :
 Seuls les arcs incidents à z améliorent

leurs valeurs dist.

-2
u v
5
6
6
-3
z 0 8 7
-4
7
2
7
9
x y

 Seconde exécution de l‘itération

intérieure

-2
u v
5
6 11
6 Relaxation avec l'arc (u,v) :
-3 dist[v] décroit de VMAX à 11
z 0 8 7
-4 Relaxation avec l'arc (u,y) :
7
2 dist[y] décroit de VMAX à 2
7 2
9
x y

-2
u v
5
6 11
6
-3
z 0 8 7 Les arcs incidents à v
-4 n'améliorent pas les
7 valeurs dist
2
7 2
9
x y

-2
u v
5
6 4
6 Relaxation avec l'arc (x,v) :
-3
z 0 8 7 dist[v] décroit de 11 à 4
-4
7
2
7 2
9
x y

-2
u v
5
6 4
6
-3 Les arcs incidents à y
z 0 8 7 n'améliorent pas les
-4 valeurs dist
7
2
7 2
9
x y

-2
u v
5
6 4
6
-3 Les arcs incidents à z
z 0 8 7 n'améliorent pas les
-4 valeurs dist
7
2
7 2
9
x y

 Troisième exécution de l‘itération

intérieure

-2
u v
5
6 4
6
-3
z 0 8 7 Les arcs incidents à u
-4 n'améliorent pas les
7 valeurs dist
2
7 2
9
x y

-2
u v
5
2 4
6 Relaxation avec l'arc (v,u) :
-3
z 0 8 7 dist[u] décroit de 6 à 2
-4
7
2
7 2
9
x y

-2
u v
5
2 4
6
-3
z 0 8 7 Les arcs incidents à x,
-4 y et z n'améliorent
7 pas les valeurs dist
2
7 2
9
x y

 Quatrième exécution de l'itération
intérieure

-2
u v
5
2 4
6
-3
z 0 8 7 Relaxation avec l'arc (u,y) :
-4
7 dist[y] décroit de 2 à -2
2
7 -2
9
x y

 Toutes les exécutions supplémentaires
de l‘itération intrieure n‘améliorent plus
la solution actuelle

dans une table
Initialisation
sommet u v x y z
pred NIL NIL NIL NIL NIL
dist ∞ ∞ ∞ ∞ 0
Après la première execution de l’iteration intérieure

sommet u v x y z
pred z NIL z NIL NIL
dist 6 ∞ 7 ∞ 0
dans une table
Après la seconde execution de l’iteration intérieure
sommet u v x y z
pred z x z u NIL
dist 6 4 7 2 0
Après la troisième execution de l’iteration intérieure

sommet u v x y z
pred v x z u NIL
dist 2 4 7 2 0
dans une table
Après la quatrième execution de l’iteration intérieure
sommet u v x y z
pred v x z u NIL
dist 2 4 7 -2 0

Exercice: appliquer l’algorithme
de Bellman-Ford
a c
3
6
s -3

Exercice: appliquer
l’algorithme de Bellman-Ford
Initialisation
sommet a b c s
a c
3
pred 6
dist s -3
7
Après la première execution de l’iteration intérieure
b
sommet a b c s
pred
dist

Exercice: appliquer
l’algorithme de Bellman-Ford
Après la seconde execution de l’iteration intérieure
sommet a b c s
a c
3
pred 6
dist s -3
7
Après la troisième execution de l’iteration intérieure
sommet a b c s b
pred
dist

Temps d‘exécution de l‘algorithme
de Bellman-Ford
Bellman-Ford(G, w, s)
Initialize-Single-Source(G, s); O(n)
// Determiner les plus courts chemins
pour (i=1; i < nbsommets; i++)
pourtout arc (u,v) de G
Relax(u,v,w) O(m) O(n * m)
fpour
fpour
// Déterminer s‘il y a des circuits absorbants

non_absorbant ← vrai
pour tout arc (u,v) de G
si (dist[v] > dist[u] + w(u,v)) O(m)
alors non_absorbant ← faux
fsi
fpour
renvoyer non_absorbant
Temps d‘exécution total de l‘algorithme de Bellman-Ford : O(n * m)

68
Algorithme de Floyd-Warshall
(1959)
69
Chemins les plus courts entre
toutes les paires de sommets
 Si l‘on veut trouver pour toutes les paires
de sommets les chemins les plus courts,
l‘algorithme décrit pécédemment peut être
appliqué en considérant successivement
chaque sommet comme sommet de départ
 L‘algorithme de Floyd-Warshall est
cependant plus efficace pour le
problème de plus courts chemins
entre tous les sommets

Données :
Un graphe orienté G =(V, E) avec l‘ensemble des
sommets V = {1, … , n} et les poids w(e) pour tous
les arcs e є E
G est représenté par une matrice d‘adjacence contenant les
poids de chaque arc ou VMAX.
Résultat:
 Une matrice n x n DIST = (distij), telle que pour
i ≠ j distij est la longueur du plus court chemin de i à
j et distii est la longueur du circuit le plus court
contenant i.
 Une matrice n x n P = (pij), telle que pij est le
sommet relié à i sur le plus court chemin(i,j)
respectivement le plus court circuit(i,i)

Floyd-Warshall-Algorithm(G, w)
// Initialization
Initialisation de DIST avec VMAX, P avec NIL
// Determination des chemins sans sommet intermédiaire

pour (i = 1; i <= n; i++)
pour (j = 1; j <= n; j++)
si ((i,j)є E)
alors distij ← wij // wij = w(i,j)
pij ← i
fsi
fpour
fpour

// suite de l'algorithme de Floyd-Warshall (G, w)
// on tente de raccourcir les chemns par le sommet
// intermédiaire k
pour (k = 1; k <= n; k++)

pour (i = 1; i <= n; i++)
pour (j = 1; j <= n; j++)
si (distij > distik + distkj)
alors distij ← distik + distkj
pij ← pkj
fsi
fpour
fpour
fpour

 Si pendant l‘exécution de l‘algorithme
on a i avec distii < 0 l‘algorithme
peut s‘arrêter car il y a un circuit
absorbant, et donc il n‘y a pas de
solution.

Remarque:
 La formule de calcul de l'Algorithme
de Floyd-Warshall correspond à la
formule de calcul de la multiplication
de matrices

-1 2
DIST0
2 3
-1 1
4
2 -1 0
3
1
-1
1 2 0 1 -1 2
DIST1
2 3
2
1
1 -1 -2 0
3 5
1

-1 2
DIST1
2 3
-1 1
4
2 -1 -2 0
3
1
-1
0
1 2 1 -1 1 2
DIST2
2 3
2
1
1 -1 -2 0 1
3 5
1

-1 1 2
DIST2
2 3
-1 1
4
2 -1 -2 0 1
3
1
-1
0
1 2 1 -1 1 2 2
DIST3
2 3 3
2
1
1 -1 -2 0 1 1
3 5
1

-1 1 2 2
DIST3
2 3 3
-1 1
4
2 -1 -2 0 1 1
3
1
-1
0
1 2 1 1 -1 1 2 2
DIST4
2 1 2 3 3
2
1
1 -1 -2 0 1 1
3 5
0 -1 1 1 2

1 -1 1 2 2
DIST4
2 1 2 3 3
-1 1
4
2 -1 -2 0 1 1
3
0 -1 1 1 2
-1
0
1 2 1 1 -1 1 2 2
DIST5
2 1 2 3 3
2
1 0 2 2 1
1 -1 -2 0 1 1
3 5
0 -1 1 1 2

Exercise: Appliquer l’algorithme
de Floyd-Warshall
DIST0 1 2 3 4 PRED0 1 2 3 4
1 1
1 1
3 2 2
6
3 3
7
2 1 4 4
DIST1 1 2 3 4 PRED1 1 2 3 4
2 4
3 1 1
2 2
3 3
4 4

Exercise: Appliquer l’algorithme
de Floyd-Warshall
DIST1 1 2 3 4 PRED1 1 2 3 4
1 1
1 1
3 2 2
6
3 3
7
2 1 4 4
DIST2 1 2 3 4 PRED2 1 2 3 4
2 4 1 1
3
2 2
3 3
4 4

Temps d‘exécution de l‘algorithme de
Floyd-Warshall
Le temps d'exécution est dominé par la seconde partie
// suite de l'algorithme de Floyd-Warshall (G, w)
// on tente de raccourcir les chemns par le sommet
// intermédiaire k
pour (k = 1; k <= n; k++)

pour (i = 1; i <= n; i++)
pour (j = 1; j <= n; j++)
si (distij > distik + distkj) O(n3)
alors distij ← distik + distkj O(n) O(n2)
pij ← pkj
fsi
fpour
fpour
fpour

84

Algo29 AlgorithmesPlusCourtChemin

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Algo29 AlgorithmesPlusCourtChemin

Transféré par

Droits d'auteur :

Formats disponibles

Algorithmes de plus

Heike Ripphausen-Lipa - Beuth University of Applied Science - Berlin

Heike Ripphausen-Lipa & Jean-Michel Adam 2

Heike Ripphausen-Lipa & Jean-Michel Adam 3

Trouver le plus court chemin de A à B

 Fonction poids w: E -> R

Heike Ripphausen-Lipa & Jean-Michel Adam 5

Le poids w d‘un chemin p avec

Est défini ainsi :

w(p) = ∑i=1..k w(vi-1, vi)

Heike Ripphausen-Lipa & Jean-Michel Adam 6

min { w(p) : p est un chemin de u à v dans G },

Heike Ripphausen-Lipa & Jean-Michel Adam 7

Les sous-chemins des chemins les plus courts sont

alors pour i et j (0 ≤ i ≤ j ≤ k) le chemin

Heike Ripphausen-Lipa & Jean-Michel Adam 8

 Nous nous concentrons sur le problème des chemins

 Beaucoup d‘algorithme de calcul de plus court chemin

Heike Ripphausen-Lipa & Jean-Michel Adam 9

Heike Ripphausen-Lipa & Jean-Michel Adam 10

// Initialisation d'un algorithme de relaxation

Heike Ripphausen-Lipa & Jean-Michel Adam 11

Heike Ripphausen-Lipa & Jean-Michel Adam 12

 L’ Algorithme de Dijkstra ne fonctionne que

 Il fonctionne de manière similaire au

Heike Ripphausen-Lipa & Jean-Michel Adam 14

Heike Ripphausen-Lipa & Jean-Michel Adam 15

Heike Ripphausen-Lipa & Jean-Michel Adam 16

Remarque : Q est ordonnée selon les valeurs croisantes de dist

Les sommets de S sont colorés en noir

pred NIL NIL NIL NIL NIL NIL

Après avoir supprimé s de Q

pred NIL s s NIL NIL NIL

Heike Ripphausen-Lipa & Jean-Michel Adam 24

pred NIL s s NIL b NIL

Après avoir supprimé a de Q

pred NIL s s a b NIL

Heike Ripphausen-Lipa & Jean-Michel Adam 25

Après avoir supprimé c de Q

Heike Ripphausen-Lipa & Jean-Michel Adam 26

Après avoir supprimé e de Q

Détermination du plus court chemin de s à e :

Heike Ripphausen-Lipa & Jean-Michel Adam 27

Heike Ripphausen-Lipa & Jean-Michel Adam 29

Donnez un exemple montrant que

Heike Ripphausen-Lipa & Jean-Michel Adam 30

Heike Ripphausen-Lipa & Jean-Michel Adam 31

Heike Ripphausen-Lipa & Jean-Michel Adam 32

Heike Ripphausen-Lipa & Jean-Michel Adam

Heike Ripphausen-Lipa & Jean-Michel Adam

Heike Ripphausen-Lipa & Jean-Michel Adam

Heike Ripphausen-Lipa & Jean-Michel Adam

Pour cela, l’algorithme A* utilise une fonction

Pour l’exemple précédent, ht(u) peut être la distance à

Heike Ripphausen-Lipa & Jean-Michel Adam 38

f(u) = dist[u] + ht(u)

Heike Ripphausen-Lipa & Jean-Michel Adam 39

Heike Ripphausen-Lipa & Jean-Michel Adam 41

s -3 La valeur dist de c reste 9 bien que la

Heike Ripphausen-Lipa & Jean-Michel Adam 42

Idée fondamentale de l’algorithme de

Heike Ripphausen-Lipa & Jean-Michel Adam 43

Heike Ripphausen-Lipa & Jean-Michel Adam 44